Resumen

Este artículo presenta un novedoso método de diagnóstico de fallos basado en la fusión de datos para un volante de inercia de reacción del sistema de actitud de un satélite. A diferencia de la mayoría de las técnicas tradicionales de diagnóstico de fallos, la solución propuesta realiza simultáneamente la detección e identificación de fallos dentro de bloques de fusión paralelos. El núcleo de este método es el bloque de fusión independiente, que utiliza un operador de media ponderada ordenada generalizada (GOWA) para complementar las características de los datos de salida de la red neuronal de memoria a corto plazo (LSTM) y la transformada wavelet discreta (DWT) con el fin de mejorar la fiabilidad y rapidez de la toma de decisiones. Además, se selecciona la normalización de minilotes para abordar el problema del desplazamiento de covariables, realizar el procesamiento adaptativo de la información dinámica de los datos originales y mejorar la velocidad de convergencia de la red. Con el modelo de alta fidelidad del volante de inercia de reacción, se inyectan, respectivamente, tres fallos comunes para recopilar datos experimentales. Los amplios resultados experimentales muestran la eficacia del método propuesto y el excelente rendimiento alcanzado por LSTM y DWT.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:volante de inercia de reacción, técnicas más tradicionales de diagnóstico de fallos, nuevo método de diagnóstico de fallos, amplios resultados experimentales, transformada wavelet discreta, bloque de fusión independiente, bloques de fusión paralelos, sistema de actitud del satélite, dwt, lstm
• Keywords:reaction flywheel, most traditional fault diagnosis techniques, novel fault diagnosis method, extensive experiment results, discrete wavelet transform, independent fusion block, parallel fusion blocks, satellite attitude system, dwt, lstm